{"id":856789,"date":"2018-07-05T23:01:23","date_gmt":"2018-07-06T06:01:23","guid":{"rendered":"https:\/\/www.questionpro.com\/blog\/nominale-gegevens\/"},"modified":"2024-02-27T07:29:07","modified_gmt":"2024-02-27T07:29:07","slug":"nominale-gegevens","status":"publish","type":"post","link":"https:\/\/www.questionpro.com\/blog\/nl\/nominale-gegevens\/","title":{"rendered":"Nominale gegevens: Definitie, kenmerken en voorbeelden"},"content":{"rendered":"\n
Bij statistische analyse<\/a> is het meetniveau van variabelen cruciaal, omdat het van invloed is op het type analyse dat mogelijk is. Nominale gegevens geven de kleinste mate van detail, terwijl interval- en ratiogegevens de grootste mate van detail geven; deze verschillen weerspiegelen de verschillen tussen de vier primaire meetniveaus (nominaal, ordinaal, interval en ratio).<\/p>\n\n LEER OVER:<\/strong> Analyseniveau<\/a><\/em><\/p>\n\n Om de grondbeginselen van nominale gegevens te begrijpen, moet je hier zijn. In deze blog bespreken we de basisprincipes van deze gegevensanalyse<\/a>, inclusief wat het is, hoe je het identificeert en enkele voorbeelden.<\/p>\n Inhoud index<\/p>\n Nominale gegevens zijn “gelabelde” of “benoemde” gegevens die kunnen worden onderverdeeld in verschillende groepen die elkaar niet overlappen. Gegevens worden in dit geval niet gemeten of ge\u00ebvalueerd; ze worden gewoon toegewezen aan meerdere groepen. Deze groepen zijn uniek en hebben geen gemeenschappelijke elementen.<\/p>\n\n De volgorde van de verzamelde gegevens kan niet worden vastgesteld met behulp van nominale gegevens; dus als je de volgorde van de gegevens verandert, zal de betekenis van de gegevens niet veranderen.<\/p>\n\n In Latijnse nomenclatuur betekent “Nomen” – Naam. Nominale gegevens laten wel een overeenkomst zien tussen de verschillende items, maar details over deze overeenkomst worden mogelijk niet bekendgemaakt. Dit is alleen bedoeld om het verzamelen en analyseren van gegevens gemakkelijker te maken voor onderzoekers. In sommige gevallen worden ze ook wel “Categorische gegevens” genoemd.<\/p>\n\n Als binaire gegevens gegevens van “twee waarden” vertegenwoordigen, dan vertegenwoordigen deze gegevens gegevens van “meerdere waarden” en kunnen ze niet kwantitatief zijn. Het wordt beschouwd als discreet. Een hond kan bijvoorbeeld een Labrador zijn of niet.<\/p>\n\n Leer meer over: Nominale schaal<\/a><\/p>\n\n Laten we de kenmerken van nominale gegevens bespreken aan de hand van deze vraag:<\/p>\n\n De belangrijkste kenmerken zijn:<\/p>\n\n Meer informatie: Kwantitatieve gegevens<\/a><\/p>\n\n De meeste nominale gegevens worden verzameld via vragen waarbij de respondent bijvoorbeeld een lijst met items krijgt om uit te kiezen:<\/p>\n\n Er zijn drie manieren waarop nominale gegevens verzameld kunnen worden. In het eerste voorbeeld krijgt de respondent ruimte om zijn thuisstaat in te vullen. Dit is een open vraag<\/a> die uiteindelijk zal worden gecodeerd, waarbij elke staat een nummer krijgt toegewezen. Deze informatie kan ook in de vorm van een lijst aan de respondent worden gegeven, waarbij hij of zij een optie selecteert.<\/p>\n\n Het tweede voorbeeld heeft de vorm van meerkeuzevragen<\/a> waarbij elke categorie gecodeerd wordt met 1 (indien geselecteerd) en 0 indien niet geselecteerd. Het bevat ook een open einde component waardoor de respondent de mogelijkheid heeft om in een categorie te schrijven die niet in de lijst voorkomt. Deze “Andere (geef aan welke)” antwoorden moeten gecodeerd worden om ze te kunnen analyseren.<\/p>\n\n Nominale gegevens worden geanalyseerd met behulp van percentages en de ‘modus’, die de meest voorkomende respons(en) weergeeft. Voor een bepaalde vraag kan er meer dan \u00e9\u00e9n modaal antwoord zijn, bijvoorbeeld als olijven en worst allebei even vaak werden gekozen.<\/p>\n\n Meervoudige antwoordvragen, zoals het voorbeeld van de pizzatopping hierboven, geven onderzoekers de mogelijkheid om een metrische variabele te maken die gebruikt kan worden voor aanvullende analyse. In dit scenario kan de respondent alle opties selecteren, waardoor je een variabele krijgt die varieert van nul (geen enkele geselecteerd) tot het maximale aantal categorie\u00ebn. Dit wordt een nuttig hulpmiddel voor gedragssegmentatie<\/a> van consumenten.<\/p>\n\n Meer informatie: Marktsegmentatie<\/a><\/p>\n\n De verdeling van de gegevens kan worden bepaald met behulp van beschrijvende statistieken. We kunnen twee beschrijvende statistische methoden gebruiken voor deze gegevens:<\/p>\n\n \n LEER OVER:<\/em>\n<\/strong> Beschrijvende analyse<\/a><\/p>\n\n Bij de grafische analyse worden alle gegevens visueel weergegeven. Net als beschrijvende statistieken helpt het visualiseren van je gegevens je om gemakkelijker te zien wat de gegevens vertellen. Deze methoden kunnen worden toegepast op de volledige gegevensreeks in de tabel en op een steekproef daaruit.<\/p>\n\n De onderzoeker gebruikt meestal een taartdiagram om percentages (of fracties) weer te geven, terwijl een staafdiagram meestal wordt gebruikt om distributiefrequenties (modus) weer te geven.<\/p>\n\n Om nominale gegevens goed te kunnen analyseren, moeten ze worden gecategoriseerd op basis van overeenkomsten en verschillen. Bij deze methode kunnen onderzoekers hun onderzoeksresultaten vergelijken door ze te vergelijken met een vergelijkbare verzameling gegevens die nog niet onderzocht is.<\/p>\n\n Met statistische tests kun je een hypothese testen door dieper in te gaan op de informatie die de gegevens onthullen, terwijl beschrijvende statistieken, grafische analyse en categorisatie alleen de nominale gegevens samenvatten voor een eenvoudige analyse. Bij statistische analyse is het essentieel om onderscheid te maken tussen categorische gegevens en numerieke gegevens, omdat categorische gegevens verschillende categorie\u00ebn of labels bevatten, terwijl numerieke gegevens bestaan uit meetbare grootheden.<\/p>\n\n Voor nominale en ordinale gegevens worden niet-parametrische statistische toetsen gebruikt. Daarom kun je de populaire Chi-kwadraattest<\/a> uitvoeren als je een nominale dataset onderzoekt:<\/p>\n\n In elk van de onderstaande voorbeelden zijn er labels gekoppeld aan elk van de antwoordopties, alleen voor het labelen. In de eerste vraag krijgt elk hondenras bijvoorbeeld een nummer toegewezen, terwijl in de tweede vraag beide geslachten voor het gemak overeenkomstige initialen krijgen.<\/p>\n\n Leer meer over: Soorten variabele meetschalen<\/a><\/p>\n\n QuestionPro Research Suite<\/a> is een platform voor enqu\u00eates en onderzoek dat kan worden gebruikt om nominale gegevens te onderzoeken. Het platform biedt tal van functies en tools voor gegevensanalyse, zoals:<\/p>\n\n Gebruik QuestionPro Research Suite voor het verzamelen en analyseren van nominale gegevens om meer te weten te komen over uw publiek. Met ons platform kun je online demografische enqu\u00eates maken en verspreiden om leeftijd, geslacht, opleiding, beroep en meer te verzamelen. Onze tools voor gegevensvisualisatie en gegevensanalysemodule helpen je om de resultaten onmiddellijk te interpreteren.<\/p>\n\n LEER OVER:<\/strong> Gemiddelde bestelwaarde<\/a><\/em><\/p>\n\n Grijp deze kans om je onderzoeksvaardigheden<\/a> te verbeteren en je doelen te bereiken. Begin uw reis naar de analyse van nominale gegevens meteen met een gratis proefversie!<\/p>\n\n\n
Wat zijn nominale gegevens?<\/h2>\n\n
Kenmerken van nominale gegevens<\/h2>\n\n
\n
\n
\n
Hier is geen statistische, logische of numerieke analyse van gegevens mogelijk, d.w.z. een onderzoeker kan de verzamelde gegevens niet optellen, aftrekken of vermenigvuldigen of concluderen dat variabele 1 groter is dan variabele 2.<\/li>\n\n\n\nAnalyse van nominale gegevens<\/h2>\n\n
\n
\n
\n
<\/figure>\n\nBeschrijvende Statistieken<\/h3>\n\n
\n
Grafische analyse<\/h3>\n\n
\n
Categorisering van nominale gegevens<\/h3>\n\n
\n
Statistische tests<\/h3>\n\n
\n
Voorbeelden van nominale gegevens<\/h2>\n\n
\n
\n
\n
\n
QuestionPro Research Suite gebruiken voor het verzamelen en analyseren van nominale gegevens <\/h2>\n\n
\n